CN107644062B

CN107644062B - 一种基于知识图谱的知识内容权重分析系统及方法

Info

Publication number: CN107644062B
Application number: CN201710757392.XA
Authority: CN
Inventors: 李�昊; 黄叶敏; 李钊
Original assignee: Guangzhou Think Height Information Technology Co ltd
Current assignee: Guangzhou Think Height Information Technology Co ltd
Priority date: 2017-08-29
Filing date: 2017-08-29
Publication date: 2020-11-17
Anticipated expiration: 2037-08-29
Also published as: CN107644062A

Abstract

本发明涉及信息和教育技术领域，涉及一种基于知识图谱的知识内容权重分析系统及方法。包括以下模块：基准预置模块，用于根据课纲要求预制知识点树状图，通过对知识点设置权重值建立知识点之间的关系，生成预置知识图谱；数据采集模块，与基准预置模块连接用于采集课堂教学过程中的教学内容知识点，对采集的教学内容进行匹配；计算分析模块，与数据采集模块连接用于对所采集的教学内容进行汇总分析，将采集的教学内容知识点与预置知识图谱的知识内容进行匹配分析。本发明能够依据教师上课的实际课纲预置教学知识图谱，依靠人工智能技术，对课堂教学的实际内容进行分析，能够实时反馈比对分析结果，量化课堂教学知识内容的评估，不断提升教学质量。

Description

一种基于知识图谱的知识内容权重分析系统及方法

技术领域

本发明涉及信息和教育技术领域，更具体地，涉及一种基于知识图谱的知识内容权重分析系统及方法。

背景技术

知识图谱的起源与发展源于引文分析理论、复杂网络系统、社会网络分析的兴起以及信息可视化提供的技术支持。其理论基础有文献计量学方法、科学计量学方法、信息计量学方法、引文分析、词频分析、社会网络分析、多元统计分析等理论，包括传统科学计量图谱、三维构型图谱、多维尺度图谱、社会网络分析图谱、自组织映射图谱、寻径网络图谱、共被引网络图谱等多种类型。

知识图谱又称为科学知识图谱，在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。为学科研究提供切实的、有价值的参考。

语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高技术。语音识别技术主要包括特征提取技术、模式匹配准则及模型训练技术三个方面。

TF-IDF是一种统计方法，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。TF-IDF加权的各种形式常被搜索引擎应用，作为文件与用户查询之间相关程度的度量或评级。除了TF-IDF以外，因特网上的搜索引擎还会使用基于链接分析的评级方法，以确定文件在搜寻结果中出现的顺序。

RDF是一个处理元数据的XML(标准通用标记语言的子集)应用，所谓元数据，就是“描述数据的数据”或者“描述信息的信息”。也许这样解释元数据有些令人难以理解，举个简单的例子，书的内容是书的数据，而作者的名字、出版社的地址或版权信息就是书的元数据。数据和元数据的划分不是绝对的，有些数据既可以作为数据处理，也可以作为元数据处理，例如可以将作者的名字作为数据而不是元数据处理。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于知识图谱的知识内容权重分析系统及方法，能够依据教师上课的实际课纲，预置教学知识图谱，能够实时反馈比对分析结果，量化课堂教学知识内容的评估。

为解决上述问题，本发明提供的技术方案是：一种基于知识图谱的知识内容权重分析系统，其中，包括以下模块：

基准预置模块，用于根据课纲要求预制知识点树状图，通过对知识点设置权重值建立知识点之间的关系，生成预置知识图谱；

数据采集模块，与基准预置模块连接，用于采集课堂教学过程中的教学内容知识点，根据预置知识图谱中的知识内容，对采集的教学内容进行匹配，分析教学内容知识点的占比；

计算分析模块，与数据采集模块连接，用于对所采集的教学内容进行汇总分析，将采集的教学内容知识点与预置知识图谱的知识内容进行匹配分析。

进一步地，所述的基准预置模块包括：

预置课堂知识概念单元，用于根据课纲要求，在进行教学设计时，预置知识点之间的树状图；

预置知识点权重值单元，与预置课堂知识概念单元连接，用于根据预置课堂知识概念单元所预置的知识点之间的树状图，对树状图的每个枝节点的知识点，设置权重值；

关系向量图库单元，与预置知识点权重值单元连接，用于根据预设权重值，建立实体-关系-实体三元组，建立实体之间的关系；

预置知识图谱单元，与关系向量图库单元连接，用于将预置课堂知识概念单元、预置知识点权重值单元、关系向量图库单元所生成的数据，按照RDF数据格式进行存储，生成预置知识图谱。

进一步地，所述的数据采集模块包括：

语音转文本单元，用于将课堂教学过程的视频资源转换成音频文件，并通过语音识别技术，将音频文件转换成文本信息；

文本信息分析单元，分别与语音转文本单元、预置知识图谱单元连接，用于对文本信息进行分析，将预置知识图谱中的知识内容作为关键词，通过TF-IDF算法，识别词频，分析关键词所占语句的时长。

进一步地，所述的计算分析模块包括：

权重值计算单元，与文本信息分析单元连接，用于对文本信息分析单元所分析的结果进行权重值计算；

匹配度计算单元，与权重值计算单元连接，用于将权重值计算单元的权重值计算结果与预置知识图谱进行匹配，计算匹配度。

本发明还提供一种基于知识图谱的知识内容权重分析方法，其中，包括以下步骤：

S1.基准预置，根据课纲要求预制知识点树状图，通过对知识点设置权重值建立知识点之间的关系，生成预置知识图谱；

S2.进行数据采集，采集课堂教学过程中的教学内容知识点，根据预置知识图谱中的知识内容，对采集的教学内容进行匹配，分析教学内容知识点的占比；

S3.计算分析，对所采集的教学内容进行汇总分析，将采集的教学内容知识点与预置知识图谱的知识内容进行匹配分析。

进一步地，所述的S1步骤基准预置包括以下步骤：

S101.预置课堂知识概念，根据课纲要求，在进行教学设计时，预置知识点之间的树状图；

S102.预置知识点权重值，根据预置课堂知识概念单元所预置的知识点之间的树状图，对树状图的每个枝节点的知识点，设置权重值；

S103.建立关系向量图库，根据预设权重值，建立实体-关系-实体三元组，建立实体之间的关系；

S104.预置知识图谱，将S101、S102、S103步骤所生成的数据，按照RDF数据格式进行存储，生成预置知识图谱。

进一步地，所述的S2步骤数据采集包括以下步骤：

S201.语音转文本，将课堂教学过程的视频资源转换成音频文件，并通过语音识别技术，将音频文件转换成文本信息；

S202.文本信息分析，对文本信息进行分析，将预置知识图谱中的知识内容作为关键词，通过TF-IDF算法，识别词频，分析关键词所占语句的时长。

进一步地，所述的S3步骤计算分析包括以下步骤：

S301.权重值计算，对文本信息分析单元所分析的结果进行权重值计算；

S302.匹配度计算，将权重值计算单元的权重值计算结果与预置知识图谱进行匹配，计算匹配度。

与现有技术相比，有益效果是：本发明提供的一种基于知识图谱的知识内容权重分析系统及方法，能够依据教师上课的实际课纲，预置教学知识图谱，同时可进行知识内容的重点难点标注。依靠人工智能技术，对课堂教学的实际内容进行分析，识别知识内容的相关属性，完成重点难点数据识别和分析，从而可以分析课堂教学内容的实际传授情况；能够实时反馈比对分析结果，量化课堂教学知识内容的评估，促进老师进行教学反思，不断提升教学质量。

附图说明

图1为本发明的整体结构示意图。

图2为本发明方法流程图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明，不能理解为对本专利的限制。

如图1所示，一种基于知识图谱的知识内容权重分析系统，其中，包括以下模块：

在本发明中，依据教师上课的实际课纲，预置教学知识图谱，同时进行知识内容的重点难点标注，建立预置知识图谱；通过对教师上课时的视频内容进行数据采集，根据预置知识图谱内容，对采集的教学数据进行对比分析，得到实际上课内容的权重值，能够实时反馈比对分析结果，量化课堂教学知识内容的评估，促进老师进行教学反思，不断提升教学质量。

在一些实施例中，基准预置模块包括预置课堂知识概念单元、预置知识点权重值单元、关系向量图库单元和预置知识图谱单元；预置课堂知识概念单元，用于根据课纲要求，在进行教学设计时，预置知识点之间的树状图；预置知识点权重值单元，与预置课堂知识概念单元连接，用于根据预置课堂知识概念单元所预置的知识点之间的树状图，对树状图的每个枝节点的知识点，设置权重值；关系向量图库单元，与预置知识点权重值单元连接，用于根据预设权重值，建立实体-关系-实体三元组，建立实体之间的关系；预置知识图谱单元，与关系向量图库单元连接，用于将预置课堂知识概念单元、预置知识点权重值单元、关系向量图库单元所生成的数据，按照RDF数据格式进行存储，生成预置知识图谱。

在一些实施例中，数据采集模块包括语音转文本单元和文本信息分析单元；语音转文本单元，用于将课堂教学过程的视频资源转换成音频文件，并通过语音识别技术，将音频文件转换成文本信息；文本信息分析单元，分别与语音转文本单元、预置知识图谱单元连接，用于对文本信息进行分析，将预置知识图谱中的知识内容作为关键词，通过TF-IDF算法，识别词频，分析关键词所占语句的时长。

在本发明中，依靠人工智能技术，对课堂教学的实际内容进行分析，识别知识内容的相关属性，完成重点难点数据识别和分析，从而可以分析课堂教学内容的实际传授情况。利用语音转文本技术，将上课视频文件转换成文本信息，在利用TF-IDF算法，识别文本信息中的内容，对文本信息进行分析，计算其权重值。

在一些实施例中，计算分析模块包括权重值计算单元、匹配度计算单元，权重值计算单元，与文本信息分析单元连接，用于对文本信息分析单元所分析的结果进行权重值计算；匹配度计算单元，与权重值计算单元连接，用于将权重值计算单元的权重值计算结果与预置知识图谱进行匹配，计算匹配度。

如图2所示，本发明还提供一种基于知识图谱的知识内容权重分析方法，其中，包括以下步骤：

具体地，S1步骤基准预置包括以下步骤：

另外，S2步骤数据采集包括以下步骤：

其中，S3步骤计算分析包括以下步骤：

在本发明中，相对于传统的知识图谱，在关系链上，依据实际的知识点之间的关联，可增加权重值，从而识别教学重点；可以基于实际的教学内容，自动识别教学重点，并对教学重点的相关属性进行识别分析，并对知识图谱进行比对分析；能够实时反馈比对分析结果，量化课堂教学知识内容的评估，促进老师进行教学反思，不断提升教学质量。

实施例：

1.以《刑法学》举例，其第一节课的课程安排如下：

表1刑法学课程安排

2.根据课纲以及实际内容，可自定义预置的知识图谱，以权重作为属性关系，如下表：

表2刑法学知识点权重值

3.将表2中，所列的知识内容均作为关键词，基于语音转换后的文本，通过TF-IDF算法，进行词频统计。这里，对于一些口语化处理，比如“研究对象”，真实文本可能是“研究的对象”，需要进行模糊匹配处理；

4.对知识内容所在的句子，计算其时间长度；

5.进行权重分值计算(用户可自定义分值权重)，将词频比重定义为40％，时间长度比重定义为60％，计算每级知识内容的权重值；

6.逐级汇总，生成总体知识内容的汇总权重值；

7.每个知识内容的权重进行比对，然后计算比对后的算术平均值，得出总体匹配度。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims

1.一种基于知识图谱的知识内容权重分析系统，其特征在于，包括以下模块：基准预置模块，用于根据课纲要求预制知识点树状图，通过对知识点设置权重值建立知识点之间的关系，生成预置知识图谱；

计算分析模块，与数据采集模块连接，用于对所采集的教学内容进行汇总分析，将采集的教学内容知识点与预置知识图谱的知识内容进行匹配分析；

其中，

所述的基准预置模块包括：

预置知识图谱单元，与关系向量图库单元连接，用于将预置课堂知识概念单元、预置知识点权重值单元、关系向量图库单元所生成的数据，按照RDF数据格式进行存储，生成预置知识图谱；

所述的数据采集模块包括：

2.根据权利要求1所述的一种基于知识图谱的知识内容权重分析系统，其特征在于，所述的计算分析模块包括：

3.一种基于知识图谱的知识内容权重分析方法，其特征在于，包括以下步骤：

S3.计算分析，对所采集的教学内容进行汇总分析，将采集的教学内容知识点与预置知识图谱的知识内容进行匹配分析；

其中，所述的S1步骤基准预置包括以下步骤：

S102.预置知识点权重值，根据步骤S101所预置的知识点之间的树状图，对树状图的每个枝节点的知识点，设置权重值；

S104.预置知识图谱，将S101、S102、S103步骤所生成的数据，按照RDF数据格式进行存储，生成预置知识图谱；

所述的S2步骤数据采集包括以下步骤：

4.根据权利要求3所述的一种基于知识图谱的知识内容权重分析方法，其特征在于，所述的S3步骤计算分析包括以下步骤：

S301.权重值计算，对步骤S202所分析的结果进行权重值计算；

S302.匹配度计算，将步骤S301的权重值计算结果与预置知识图谱进行匹配，计算匹配度。